小编给大家分享一下怎么制作一个Node命令行图像识别工具，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

从 0 开始制作一个 NodeJS 命令行验证码识别工具。实现如下效果。

初始化项目

# 创建 recognition 项目
mkdir recognition
cd recognition
npm init -y

# 安装主依赖
yarn add images tesseract.js

# 安装工具依赖
yarn add chalk yargs

# 可选依赖
yarn add socks5-http-client

依赖说明

images ：Node.js 轻量级跨平台图像编码库，用于处理下载下来的图片

tesseract.js ：纯 JS 实现的 OCR（光学字符识别）工具，用于图像内容识别

chalk ：让命令行内容样式好看

yargs ：命令行参数解析器

socks5-http-client ：SOCKS v5，用于设置代理，在需要拉取某些不能直接访问的资源时使用， request proxy 例子

项目准备

新建 cli.js

通常命令行工具入口名字为 cli.js ，我们新建一个 cli.js 文件，并在开头写上：

#!/usr/bin/env node

这样，我们告诉 *nix 系统，JavaScript 文件的解释器应该是 /usr/bin/env node ，它查找本地安装的 node 。

配置 bin

// package.json
{
 "bin": {
  "reg": "./cli.js"
 }
}

这样配置完成后，别人 npm install -g @chenng/recognition 的包，就可以直接通过命令行运行了：

reg --url=https://static.chenng.cn/imgs/test_img.png

link 本地开发

我们如何能够在本地可以使用 rec 命令呢？只需要把本项目 link 即可：

yarn link

核心逻辑

主要逻辑在 cli.js 和 recognize.js 中。这里有几个注意点：

• request 图片的时候要设置 encoding: null，否则返回的是乱码

• 初次使用的时候需要下载训练集，需要花点时间

const Tesseract = require('tesseract.js');
const images = require('images');
const requset = require('request');
const fs = require('fs');
const { promisify } = require('util');
const chalk = require('chalk');

const writeFile = promisify(fs.writeFile);
const rp = promisify(requset);

class Recognize {
 constructor(url) {
  Recognize.downloadDir = `${__dirname}/dist/`;
  Recognize.downloadFile = `${__dirname}/dist/temp.png`;
  this.url = url;
  this.start();
 }

 async start() {
  const data = await this.downloadImg();
  await writeFile(Recognize.downloadFile, data);
  this.recognize();
  const result = await Tesseract.recognize(Recognize.downloadFile, {
   lang: 'eng',
   tessedit_char_blacklist: 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ',
  });

  console.log(`

   识别成功!
   识别结果为：${chalk.green(result.text)}
  `);
 }

 async downloadImg() {
  if (!fs.existsSync(Recognize.downloadDir)) {
   fs.mkdirSync(Recognize.downloadDir);
   console.log(`创建了 ${Recognize.downloadDir} 文件夹`);
  }
  
  const res = await rp({
   url: this.url,
   method: 'GET',
   encoding: null,
  });
  return res.body;
 }

 recognize() {
  // 放大图片，并覆盖源文件
  images(Recognize.downloadFile)
   .size(400)
   .save(Recognize.downloadFile);
 }
 
}

module.exports = Recognize;

具体可以查看源码仓库： https://github.com/ringcrl/recognition

发布上线

# 新建代码仓库，git push

# 登录到 npm
npm adduser

# 发包
npm publish --access public

# 全局安装
npm install -g @chenng/recognition

以上是“怎么制作一个Node命令行图像识别工具”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注天达云行业资讯频道！